-
一种结合多图谱动态连接变换器和4D时空建模的模型,用于自闭症谱系障碍的识别
作者:王梦楠、郭九江、郭晓静
摘要
来源:Brain Sciences
时间:2026-04-03
-
青少年抽动障碍患者中,预感性冲动、内感受敏感性、情感表达障碍(alexithymia)、心理问题与抽动严重程度之间的关系
摘要背景最近的研究表明,抽动症状和预感冲动可能与内感受处理的改变有关。然而,内感受敏感性、情感缺失(alexithymia)、心理问题以及抽动严重程度之间的关系尚未得到充分探索,尤其是在青少年中。本研究的目的是确定抽动障碍青少年中预感冲动、内感受敏感性、情感缺失、心理问题与抽动严
来源:BMC Psychology
时间:2026-04-03
-
利用grad-CAM-CNN辅助的VNIR-色度传感器阵列对红茶萎凋程度进行智能预测
准确预测萎凋程度对保证黑茶香气品质至关重要。本研究创新性地构建了集成可见近红外光谱(VNIR)和设计优化颜色传感器阵列(CSA)的智能平台,并采用梯度加权类激活映射(Grad-CAM)增强卷积神经网络(CNN)的可解释性,实现了黑茶萎凋程度的精准预测(99%准确率,0.059ms/样本效率)。该方案不仅解决了传统感官评价主观性强、色谱分析成本高的问题,还为茶叶加工提供了实时、高效、低成本的智能控制手段,同时具有跨食品系统的应用潜力。
来源:Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy
时间:2026-04-03
-
通过人工神经网络(ANN)对甲基蓝在生物炭上的吸附行为进行建模与优化
甲基橙吸附实验采用750℃热解制备柑橘皮生物炭(CPB),通过FTIR、TGA及SEM表征其表面含氧官能团和海绵状多孔结构(比表面积242.81m²/g)。优化吸附条件为pH 8、60min、40℃时去除效率达93%。构建ANN预测模型验证非线性关系,R²>0.95,误差<5%,实现数据驱动的过程优化,为生物炭吸附提供新方法。
来源:Biodegradation
时间:2026-04-03
-
急性间歇性缺氧的不同时间模式对正常血压和高血压大鼠的睡眠、自主神经调节以及认知功能产生不同的影响
本研究通过比较正常血压(WKY)和高血压(SHR)大鼠对间歇性缺氧(IH)不同时序结构的反应,揭示IH的持续时间与循环频率共同决定生理影响。实验显示:高频低时长(5s-60c)和中等时长高频(10s-30c)IH显著破坏睡眠结构、抑制慢波活动、增强交感神经激活,但平均动脉压保持稳定。SHR对10s-30c IH的自主神经紊乱、睡眠障碍和认知损伤更敏感,而WKY更具抵抗力。研究证实IH的时序特征(而非总缺氧量)是调节睡眠-自主神经异常的关键,且高血压状态加剧特定IH模式的影响,为OSA临床分层治疗提供依据。
来源:Sleep Medicine
时间:2026-04-03
-
成人退行性脊柱侧弯的单节段脊柱减压融合术与选择性神经根阻滞:一项回顾性比较研究
成人退行性脊柱侧弯患者接受单节段PLIF联合神经根阻滞与长节段PLIF的疗效对比研究,结果显示单节段组术后住院时间更短、再手术率更低,且ODI和SF-12评分改善更显著,但长期临床结局两组无差异。
来源:Orthopaedic Surgery
时间:2026-04-03
-
利用机器学习和深度学习预测接受正压通气治疗的预约出席情况:临床指标和血氧饱和度指标的作用
本研究回顾分析369例OSAS患者,探讨临床、生理及行为因素对初始PAP治疗参与的影响,并比较机器学习与深度学习模型(逻辑回归、决策树、随机森林、支持向量机、深度神经网络)的预测效能。结果显示,ESS评分高及80-90%夜间血氧饱和度持续时间长与参与正相关,而饮酒显著预测不参与。平均夜间血氧饱和度比AHI更有效。该研究首次聚焦初始参与,其模型可辅助临床早期识别高风险患者,优化治疗启动流程。
来源:Sleep and Breathing
时间:2026-04-03
-
长期使用左旋多巴对“身体优先”亚型帕金森病(该亚型模型采用百草枯和凝集素处理的大鼠)的影响
帕金森病“身体优先”亚型中慢性左旋多巴治疗对运动及认知功能及脑病理无长期负面影响。研究利用P+L大鼠模型(模拟身体优先型PD)评估60天持续左旋多巴联合苯海索治疗对运动、认知及神经退行性病变的影响,结果显示治疗未加速运动缺陷、认知衰退或黑质多巴胺能神经元及胆碱能基底核损伤。为临床持续用药提供安全性证据。
来源:Neuroscience Letters
时间:2026-04-03
-
深度生成对抗网络与混合机器学习模型融合框架:预测纤维增强再生骨料混凝土劈裂抗拉强度的新方法
针对纤维增强再生骨料混凝土(FRRAC)劈裂抗拉强度(STS)预测面临实验数据有限、纤维与骨料作用复杂的难题,本研究提出一种集成深度学习数据增强与混合机器学习模型的新框架。利用深度生成对抗网络(DGAN)扩充数据集,构建了人工神经网络结合大猩猩部队优化(ANN-GTO)和灰狼优化(ANN-GWO)的混合模型。结果显示ANN-GTO预测性能最优(R2=0.95,RMSE=0.21)。通过SHAP和PDP分析增强了模型可解释性,并开发了用户友好的图形界面,为实际工程应用提供了高效、可靠的工具。
来源:Journal of Natural Fibers
时间:2026-04-03
-
新型α-突触核蛋白活体示踪工具的开发与应用:揭示帕金森病病理传播与神经元功能障碍的新窗口
本研究为攻克帕金森病(PD)中α-突触核蛋白(α-Syn)病理在活体脑内可视化与追踪的难题,开发了新型基因编码的α-Syn荧光报告系统和Knock-in(KI)小鼠模型。研究人员利用α-Syn-6H-EGFP等报告蛋白,成功标记并实时追踪了α-Syn聚集体(α-Syn+ inclusions)在活体大脑皮层区域的传播过程。结合双光子Ca2+成像与细胞类型特异性标记技术,该研究进一步揭示了α-Syn聚集导致神经元活动降低、突触功能障碍等细胞病理变化。这些突破性工具为深入解析α-Syn病理驱动神经退行性变的机制提供了强大平台。
来源:Lab Animal
时间:2026-04-03